Aula Prática Processamento de linguagem natural – NLP

Aula Prática Processamento de linguagem natural – NLP

CLIQUE AQUI! PARA VISUALIZAR O MANUAL! 

ROTEIRO DE AULA PRÁTICA

NOME DA DISCIPLINA: PROCESSAMENTO DE LINGUAGEM NATURAL – NLP

Unidade: NLP E INTELIGÊNCIA ARTIFICIAL

Seção: Linguística aplicada com Python

OBJETIVOS

Definição dos objetivos da aula prática:

• Compreender os fundamentos do Processamento de Linguagem Natural (NLP).

• Construir um diálogo homem-máquina em Python.

• Explorar bibliotecas NLP em Python.

• Aplicar conceitos de Linguística Aplicada em uma tarefa prática.

SOLUÇÃO DIGITAL

• BIBLIOTECAS ESCRITAS EM IDLE(PYTHON)(NATURAL LANGUAGE TOOLKIT (NLTK)

(Biblioteca)

Bibliotecas escritas em IDLE(Python): Natural Language Toolkit (NLTK): Biblioteca para

processamento de linguagem natural em Python.

PROCEDIMENTOS PRÁTICOS

Procedimento/Atividade nº 1 (Virtual)

Atividade proposta:

Construindo um Diálogo Homem-Máquina em Python

Procedimentos para a realização da atividade:

Passo 1: Preparação do Ambiente

Certifique-se de ter o Python e o ambiente IDLE(Python).

Instale as seguintes bibliotecas, se ainda não estiverem instaladas:

‘nltk’ (Natural Language Toolkit)

2

‘textblob’

‘tkinter’ (para a interface gráfica, se necessário)

‘speech_recognition’ (para reconhecimento de voz, se desejado)

Passo 2: Importação de Bibliotecas

Abra a IDE Python e importe as bibliotecas necessárias:

import nltk

from nltk.chat.util import Chat, reflections

from textblob import TextBlob

import tkinter as tk

Passo 3: Pré-processamento de Texto

Carregue os recursos de linguagem do NLTK, como stopwords e punkt:

nltk.download(‘stopwords’)

nltk.download(‘punkt’)

Passo 4: Definindo Padrões de Diálogo

Crie uma lista de padrões e respostas para o chatbot. Por exemplo:

pares = [

[‘Oi’, [‘Olá!’, ‘Olá, como posso ajudar?’]],

[‘Como você está?’, [‘Estou bem, obrigado. E você?’, ‘Tudo bem!’]],

[‘Quem é você?’, [Sou seu professor virtual.’, ‘Me chame de Prof.’]],

[‘Qual é o seu objetivo?’, [‘Meu objetivo é ajudar a responder suas perguntas.’, ‘Estou aqui

para te ensinar.’]],

# Adicione mais pares de perguntas e respostas

] Passo 5: Construindo o Chatbot

3

Crie um objeto de chat com os pares de padrões e respostas:

chatbot = Chat(pares, reflections)

Passo 6: Interagindo com o Chatbot

Crie um loop para interagir com o chatbot. Por exemplo, usando uma interface gráfica Tkinter:

def chat():

print(“Olá! Digite ‘sair’ para encerrar o chat.”)

while True:

mensagem = input(“Você: “)

if mensagem.lower() == ‘sair’:

print(“Chat encerrado.”)

break

resposta = chatbot.respond(mensagem)

print(“ChatGPT: “, resposta)

chat()

Passo 7: Aplicando Análise de Sentimento (Opcional)

Você pode usar o TextBlob para realizar análise de sentimento nas mensagens do

usuário:

def analisar_sentimento(texto):

blob = TextBlob(texto)

polaridade = blob.sentiment.polarity

if polaridade > 0:

return “Isso parece positivo!”

elif polaridade < 0:

return “Isso parece negativo.”

4

else:

return “Não consigo determinar o sentimento com certeza.”

mensagem_usuario = input(“Digite algo para análise de sentimento: “)

resultado_sentimento = analisar_sentimento(mensagem_usuario)

print(“Análise de Sentimento: “, resultado_sentimento)

Checklist:

• Ambiente Python configurado corretamente.

• Bibliotecas instaladas.

• Importação de bibliotecas.

• Criação de pares de perguntas e respostas.

• Construção do chatbot.

• Interagir com o chatbot e analisar sentimento (se necessário).

RESULTADOS

Resultados de Aprendizagem:

Ser capazes de construir um chatbot simples em Python, entender os conceitos básicos de

Processamento de Linguagem Natural, e aplicar noções de Linguística Aplicada em uma tarefa

prática. Além disso, eles devem compreender como realizar análise de sentimento em textos de

entrada.

5

Unidade: 4

Seção: 1

Roteiro

Aula Prática

PROCESSAMENTO DE LINGUAGEM NATURAL – NLP

ROTEIRO DE AULA PRÁTICA

NOME DA DISCIPLINA: PROCESSAMENTO DE LINGUAGEM NATURAL – NLP

Unidade: NLP E NEGÓCIOS

Seção: Ferramenta Python NLTK

OBJETIVOS

Definição dos objetivos da aula prática:

• Apresentar a biblioteca Python NLTK.

• Desenvolver um algoritmo simples de Processamento de Linguagem Natural (NLP) utilizando o

NLTK.

• Realizar uma aplicação prática do NLTK para análise de texto.

• Utilizar o ambiente IDLE (Python) para escrever e executar código.

SOLUÇÃO DIGITAL

• BIBLIOTECAS ESCRITAS EM IDLE(PYTHON)(NATURAL LANGUAGE TOOLKIT (NLTK)

(Biblioteca)

Bibliotecas escritas em IDLE(Python): Natural Language Toolkit (NLTK): Biblioteca para

processamento de linguagem natural em Python.

PROCEDIMENTOS PRÁTICOS

Procedimento/Atividade nº 1 (Virtual)

Atividade proposta:

Construção de um Algoritmo NLP com Python NLTK

Procedimentos para a realização da atividade:

Importante: Biblioteca NLTK instalada (use pip install nltk para instalá-la).

Passo 1: Instalando e Importando o NLTK

1. Abra o ambiente IDLE (ou Jupyter Notebook).

2

2. Abra um novo arquivo Python.

3. Importe o NLTK:

Passo 2: Tokenização de Texto

Insira o seguinte código para tokenizar um texto de exemplo:

Execute o código e observe a lista de tokens gerada.

Passo 3: Remoção de Stop Words

Adicione o código a seguir para remover stop words do texto:

Execute o código e observe a lista de tokens sem as stop words.

Passo 4: Análise de Frequência

Adicione o código a seguir para realizar uma análise de frequência dos tokens:

Execute o código e observe as palavras mais frequentes no texto.

Checklist:

• Instalou o NLTK e importou a biblioteca.

3

• Tokenizou um texto com sucesso.

• Removeu stop words do texto.

• Realizou uma análise de frequência das palavras.

RESULTADOS

Resultados de Aprendizagem:

Aprendeu a utilizar o Python NLTK para realizar tarefas de Processamento de Linguagem Natural,

incluindo tokenização, remoção de stop words e análise de frequência. Isso é fundamental para

a análise de texto e tarefas mais avançadas em NLP